Mapping epitopes of U1-70K autoantibodies at single-amino acid resolution
Notice bibliographique
Résumé
The mechanisms underlying development of ribonucleoprotein (RNP) autoantibodies are unclear. The U1-70K protein is the predominant target of RNP autoantibodies, and the RNA binding domain has been shown to be the immunodominant autoantigenic region of U1-70K, although the specific epitopes are not known. To precisely map U1-70K epitopes, we developed silicon-based peptide microarrays with >5700 features, corresponding to 843 unique peptides derived from the U1-70K protein. The microarrays feature overlapping peptides, with single-amino acid resolution in length and location, spanning amino acids 110-170 within the U1-70K RNA binding domain. We evaluated the serum IgG of a cohort of patients with systemic lupus erythematosus (SLE; n = 26) using the microarrays, and identified multiple reactive epitopes, including peptides 116-121 and 143-148. Indirect peptide ELISA analysis of the sera of patients with SLE (n = 88) revealed that ∼14% of patients had serum IgG reactivity to 116-121, while reactivity to 143-148 appeared to be limited to a single patient. SLE patients with serum reactivity to 116-121 had significantly lower SLE Disease Activity Index (SLEDAI) scores at the time of sampling, compared to non-reactive patients. Minimal reactivity to the peptides was observed in the sera of healthy controls (n = 92). Competitive ELISA showed antibodies to 116-121 bind a common epitope in U1-70K (68-72) and the matrix protein M1 of human influenza B viruses. Institutional Review Boards approved this study. Knowledge of the precise epitopes of U1-70K autoantibodies may provide insight into the mechanisms of development of anti-RNP, identify potential clinical biomarkers and inform ongoing clinical trails of peptide-based therapeutics.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».